在峰會期間舉辦的“AI基座芯片論壇”邀請到紫光國芯、紫光同創(chuàng)、紫光云、EIA聯(lián)盟生態(tài)伙伴無問芯穹等公司的技術(shù)專家?guī)砹?場精彩演講，多位嘉賓還參與了圓桌論壇《Agent驅(qū)動下的算聯(lián)存硬件一體化》的探討。

新紫光集團(tuán)聯(lián)席總裁陳杰在開場致辭中指出，AI時(shí)代對算力基礎(chǔ)設(shè)施的需求是結(jié)構(gòu)性的、長期的，芯片是這場變革不可替代的物質(zhì)基礎(chǔ)。無論是在云端的數(shù)據(jù)中心里，還是在終端的手機(jī)、PC、智能汽車等之中，由AI芯片、高速互聯(lián)芯片、先進(jìn)封裝與高帶寬存儲共同構(gòu)成的AI基座，正在成為智能衍生的物理載體，驅(qū)動智能無所不至。AI基座的高度，決定了AI的邊界；AI基座的成果，決定了自主的深度。

破局高速互聯(lián)，讓算力釋放無盡潛力

在AI大模型參數(shù)普遍突破萬億量級的當(dāng)下，算力已不再是唯一的瓶頸，高速互聯(lián)正在成為決定AI訓(xùn)推效率的關(guān)鍵變量。

LT公司首席技術(shù)官曾敏指出，在算力需求激增的趨勢下，當(dāng)前互聯(lián)技術(shù)面臨帶寬、時(shí)延、擴(kuò)展性、可靠性等多重挑戰(zhàn)，Scale-Up 網(wǎng)絡(luò)是突破算力天花板的關(guān)鍵一環(huán)。作為G-Link平臺關(guān)鍵成員，LT研發(fā)了全面支持G-Link協(xié)議的GT-Link/GT-Fabric芯片解決方案，可支持大整機(jī)72卡和背靠背144卡，到跨機(jī)柜的1024卡SuperPOD，乃至8192卡超大規(guī)模的xD Mesh等多種拓?fù)洌瑫r(shí)延低至300納秒，并可根據(jù)業(yè)務(wù)需求靈活提供100GB到800GB的通信帶寬。

GT公司首席運(yùn)營官羅彬發(fā)布GT可編程交換芯片

GT公司首席運(yùn)營官羅彬認(rèn)為，可編程交換芯片打破硬件的“黑盒”限制，將網(wǎng)絡(luò)轉(zhuǎn)發(fā)規(guī)則的控制權(quán)從硬件轉(zhuǎn)移到軟件，支持通過編程動態(tài)定義轉(zhuǎn)發(fā)邏輯，完美適配云原生、AI等新興場景，為網(wǎng)絡(luò)創(chuàng)新開啟無限可能。GT研發(fā)了全國產(chǎn)可編程高性能交換芯片，其核心特點(diǎn)是協(xié)議、轉(zhuǎn)發(fā)邏輯、表項(xiàng)均可編程， 具備高密度、低時(shí)延、大緩存、高可靠等特性，廣泛適用于各類網(wǎng)絡(luò)、互聯(lián)應(yīng)用場景。

在新紫光集團(tuán)“大研發(fā)、大制造、大市場”的統(tǒng)籌機(jī)制下，LT與GT已實(shí)現(xiàn)技術(shù)協(xié)同，可共同構(gòu)建起南北向全棧智算互聯(lián)方案，將MFU從30%提升至80%，單Token成本降至傳統(tǒng)方案的35%。

GT公司研發(fā)副總裁丁同浩則分享了面向下一代智算集群網(wǎng)絡(luò)的CPO硅光互連解決方案，他指出AI大模型的算力需求每兩年增長100倍，而GPU算力、顯存帶寬與互聯(lián)速率的綜合迭代僅維持在3.3倍左右。33倍巨大鴻溝已嚴(yán)重超出了傳統(tǒng)電互聯(lián)的物理極限。從電到光，CPO不僅是傳輸介質(zhì)的改變，更是計(jì)算架構(gòu)的一次全新重構(gòu)。

多維技術(shù)創(chuàng)新，驅(qū)動AI芯片性能躍升

在AI追求算力極限的征程中，高速互聯(lián)技術(shù)雖然是至關(guān)重要的環(huán)節(jié)，但存儲與多元芯片的創(chuàng)新發(fā)展同樣不容忽視，存儲技術(shù)突破與計(jì)算架構(gòu)創(chuàng)新也在驅(qū)動AI芯片性能躍升。

紫光國芯高級副總裁左豐國認(rèn)為，AI時(shí)代“存儲墻”問題比以往更加嚴(yán)峻，存儲性能提升緩慢，已經(jīng)嚴(yán)重拖累芯片性能釋放。3D堆疊DRAM更易實(shí)現(xiàn)數(shù)量級的帶寬提升并且功耗顯著下降，同時(shí)借助先進(jìn)封裝具備實(shí)現(xiàn)存算一體的天然優(yōu)勢，是應(yīng)對AI時(shí)代特別是推理場景下存儲需求的趨勢性技術(shù)，未來有望成為主流。

紫光同創(chuàng)市場總監(jiān)呂喆更聚焦AI推理場景的芯片架構(gòu)創(chuàng)新，他表示，以DeepSeek為代表的開源大模型推動了算力平權(quán)，但AI普惠需要解決現(xiàn)有硬件體系所面臨的“高性能、低成本、低功耗”三重挑戰(zhàn)，如何高效解決MOE的動態(tài)路由、內(nèi)存帶寬、負(fù)載均衡等問題成為關(guān)鍵。在大模型推理落地場景中，FPGA分布式矩陣完美契合MOE架構(gòu)，可重構(gòu)特性支持模型極速適配，將算力利用率“打滿”，并且支持低成本 DRAM 實(shí)現(xiàn)高端 GPU 級內(nèi)存帶寬，實(shí)現(xiàn)高性能、低成本、低功耗完美交付。

AI賦能行業(yè)，加速AI落地

AI的廣泛落地，既需要面向應(yīng)用場景的、極致精益的技術(shù)工程能力以降低使用門檻，也離不開面向重點(diǎn)行業(yè)的、深度融合的賦能平臺以升級產(chǎn)業(yè)范式。

EIA聯(lián)盟生態(tài)伙伴、無問芯穹聯(lián)合創(chuàng)始人戴國浩從技術(shù)工程視角聚焦智能終端的優(yōu)化，他提出AI時(shí)代的新范式是“Token工廠”，核心目標(biāo)是高效、低成本的生產(chǎn)高質(zhì)量Token。Token成本與單位時(shí)間內(nèi)產(chǎn)生的Token數(shù)量（吞吐）和單位能量產(chǎn)生的Token數(shù)量（能效）直接相關(guān)。無問芯穹的技術(shù)團(tuán)隊(duì)通過“軟硬協(xié)同+端云協(xié)同”的雙重優(yōu)化，來系統(tǒng)性地降低Token成本，包括利用大模型指導(dǎo)小模型的MoE專家放置策略、端云模型協(xié)同處理、推測解碼、知識蒸餾與模型壓縮、定制化稀疏大模型設(shè)計(jì)等。

紫光云總裁王燕平則立足于產(chǎn)業(yè)發(fā)展視角聚焦創(chuàng)新性AI芯片設(shè)計(jì)平臺的構(gòu)建，他指出當(dāng)前中國芯片設(shè)計(jì)公司數(shù)量眾多但“小、散、弱”，陷入低端內(nèi)卷，行業(yè)迫切需要通過技術(shù)創(chuàng)新向價(jià)值鏈高端攀登，并解決普遍存在的人力資源短缺和研發(fā)效率低下的問題。紫光云天工設(shè)計(jì)平臺以“AI+云”賦能芯片設(shè)計(jì)，從傳統(tǒng)的工具提供，升級為覆蓋“人、流程、工具” 的一體化、智能化解決方案，將行業(yè)知識、工程實(shí)踐與AI能力深度融合。

此外，在圓桌論壇環(huán)節(jié)，與會嘉賓一致認(rèn)為，應(yīng)對以智能體為代表的新一代AI工作負(fù)載，必須進(jìn)行系統(tǒng)級、一體化的軟硬件協(xié)同優(yōu)化，核心是打破“存儲墻”、“通信墻”和“功耗墻”，通過芯片、互聯(lián)、存儲、封裝、架構(gòu)乃至設(shè)計(jì)方法學(xué)的全面革新，來最終實(shí)現(xiàn)高效、低成本的生產(chǎn)Token的目標(biāo)。未來AI將在芯片設(shè)計(jì)中扮演越來越重要的角色，從輔助設(shè)計(jì)走向共同設(shè)計(jì)，最終可能實(shí)現(xiàn)由AI主導(dǎo)的芯片架構(gòu)創(chuàng)新。

Token經(jīng)濟(jì)時(shí)代，面對算力、存儲與互聯(lián)的多重瓶頸，單一部件的性能堆疊已觸及天花板，未來的競爭力將取決于能否實(shí)現(xiàn)“算、存、聯(lián)、構(gòu)、封”一體化設(shè)計(jì)——即通過計(jì)算架構(gòu)、存儲層級、互聯(lián)拓?fù)?、先進(jìn)封裝乃至設(shè)計(jì)方法學(xué)的深度融合，以系統(tǒng)級協(xié)同創(chuàng)新，為AI提供更高效、更低成本物理基石，讓AI基座成為驅(qū)動產(chǎn)業(yè)突破的核心驅(qū)動力。

審核編輯 黃宇